M2UD：面向地面机器人 Localization 与 Mapping 的 多模型、 多场景、 不均匀地形数据集

地面机器人在检查、探索、抢救等应用中发挥着关键作用。近年来，LiDAR技术的进步使得传感器更加精准、轻便且经济。因此，研究者日益集成传感器，为SLAM研究提供稳健的技术支持，拓展其应用领域。公共数据集是推动SLAM技术发展的必不可少因素。然而，现有地面机器人数据集通常局限于平坦地形的3自由度运动，覆盖的场景范围有限。尽管手持设备和无人机拥有更丰富且更激进的运动方式，但其数据集主要受限于小规模环境due to耐久性限制。为填补这一空白，我们引入M2UD，一个面向地面机器人的多模态、 多场景、 不均匀地形SLAM数据集。该数据集包含多样化的高度具挑战性的环境，包括城市、开放田野、长走廊及混合场景，此外还包含极端天气条件。这种数据集的激进运动和退化特性不仅为测试和评估现有SLAM方法提出了挑战，也推动了更先进SLAM算法的开发。为基准SLAM算法，M2UD提供了通过RTK获取的平滑地面真值定位数据，并引入一种考虑准确性与效率的新型定位评估指标。此外，我们利用高精度激光扫描仪获取两个典型场景的地面真值地图，促进了映射算法的开发与评估。我们选取12个定位序列和2个映射序列，对几类经典SLAM算法进行评估，验证了数据集的可用性。为提升可用性，该数据集附带一套开发套件。